Resumen

Se desarrolla una red neuronal recurrente de una capa para resolver la optimización pseudoconvexa con restricciones de caja. En comparación con las redes neuronales existentes para resolver la optimización pseudoconvexa, la red neuronal propuesta tiene un dominio más amplio para su implementación. Basándose en la teoría estable de Lyapunov, se demuestra que la red neuronal propuesta es estable en el sentido de Lyapunov. Aplicando la técnica de análisis no liso de Clarke, también se aborda la convergencia del estado en tiempo finito a la región factible definida por las condiciones de restricción. Ejemplos ilustrativos demuestran además la corrección de los resultados teóricos.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Mathematical logic
• Palabras claves:red neuronal, optimización pseudoconvexa, teoría estable de lyapunov, técnica de análisis no suave, red neuronal recurrente, convergencia estado-tiempo, ejemplos ilustrativos, restricciones de caja, condiciones de restricción, región factible
• Keywords:neural network, pseudoconvex optimization, lyapunov stable theory, nonsmooth analysis technique, recurrent neural network, time state convergence, illustrative examples, box constraints, constraint conditions, feasible region